配电网静止同步补偿器控制器的设计与实现

分析了静止同步补偿器的工作原理,针对配电线路的特点提出了基于预测控制的电压内嵌型双闭环控制策略,设计了控制器.在此基础上,利用MATLAB软件进行仿真研究,给出了补偿装置补偿容性无功、感性无功以及稳定直流侧电压的仿真结果,结果表明控制策略的有效性和真确性,具有良好的动态无功补偿效果.     

静止同步补偿器在配电网中的应用仿真

本文分析了静止同步补偿器的工作原理,针对配电线路特点提出了基于DSTATCOM的无功补偿策略。在此基础上,利用Matlab7.0中的PSB工具箱在Simulink中搭建了含有DSTATCOM的低压配电系统无功补偿仿真模型,通过模拟实际系统负荷由感性无功到容性无功的变化过程,得出了DSTATCOM装置具有实现快速跟踪补偿的功能,实现了预先的设计思想,证明了DSTATCOM无功补偿能够有效降低网损,改善电能质量。     

静止同步串联补偿器的应用分析

静止同步串联补偿器是现代电力电子技术发展的新成果,静止同步串联补偿器为电力传输系统向大电网、超高压、远距离传输的发展起到了关键的作用.文章对静止同步串联补偿器的原理和功能进行了概述, 并结合实际对静止同步串联补偿器装置的应用价值作了进一步说明.     

静止同步补偿器的控制器研制

介绍了一种以数字信号处理器(DSP)为核心的静止同步补偿器(STATCOM)的控制系统。给出了系统的硬件结构，根据STATCOM的基本原理，阐述了基于瞬时无功功率理论的控制策略。在系统动模实验中，通过3种不同的实验，结果表明了所给控制系统的有效性。     

静止同步补偿器的解耦控制策略

静止同步补偿器（STATCOM）可以起到稳定接入点电压,有效的降低网损率和提高功率因数及防止非线性负荷的作用。但是STATCOM在dq坐标系下是一个非线性、强耦合的系统,为了保证输出电流快速无差的跟踪整定值需要对其进行解耦。通过对STATCOM基本结构进行分析,得到了耦合项的模型。采用模糊免疫PI控制和逆系统相结合的方法对原系统进行线性化的解耦,避免了有功和无功电流的耦合作用。最后运用MATLAB进行仿真,仿真结果表明,所提解耦控制策略具有性能优良、结构简单、容易实现的优点。     

基于MATLAB的静止同步补偿器的研究及设计

越来越多的已经电力用户要求电力部门提供优质电能和高可靠性供电,使得人们对于高的供电质量的关注程度日益增加。静止同步补偿器作为柔性交流输电系统的中的一件重要设备,能有效的解决电压波动与闪变、三相电压不平衡、电网谐波污染等电能质量问题,能够通过调节输电系统的电压、阻抗、相位角、功率、潮流等的灵活控制,提高电力系统的高度灵活性和安全稳定性。     

小波滤波在静止同步补偿器中的应用

电力系统无功功率平衡非常重要,静止同步补偿器是基于逆变技术的新一代动态无功补偿装置,同静止无功补偿器相比有很多优点,具有广阔的市场前景.新技术应用于静止同步补偿器可提高其性能,将小波滤波应用于静止同步补偿器中,小波滤除谐波后的电流进行dq变换得基波电流的有功分量和无功分量,静止同步补偿器直流侧电压闭环PI控制维持直流侧稳定,基波无功电流分量和PI调节器输出dq反变换得静止同步补偿器输出电流的参考信号,用跟踪控制技术控制逆变器.仿真结果显示应用效果良好.     

±300kVar静止同步补偿器STATCOM控制系统

介绍了一种士300kVar STATCOM装置的拓扑结构及其基于DSP的双CPU冗余控制系统的软硬件设计，提出了一种基于变结构神经网络模糊控制的内环控制和PI外环控制的双闭环控制结构．通过试验确定了逆变器的开关频率，并且对模拟冲击负载下的单负荷一无穷大系统中STATCOM进行试验．试验结果表明，该装置能够维持负载母线电压的稳定性．     

±300 kVar静止同步补偿器STATCOM控制系统

介绍了一种±300 kVar STATCOM装置的拓扑结构及其基于DSP的双CPU冗余控制系统的软硬件设计,提出了一种基于变结构神经网络模糊控制的内环控制和PI外环控制的双闭环控制结构.通过试验确定了逆变器的开关频率,并且对模拟冲击负载下的单负荷-无穷大系统中STATCOM进行试验.试验结果表明,该装置能够维持负载母线电压的稳定性.     

基于鲁棒控制的静止同步补偿器控制系统

建立了静止同步补偿器的状态空间模型,利用直接反馈线性化技术对其进行了线性化处理.基于系统的代数黎卡提方程的解,对线性系统引入反馈控制,设计出系统的鲁棒控制器,以期能使系统具有良好的动态特性和鲁棒性.对控制系统进行了仿真和试验研究,结果表明系统能够快速有效地将节点电压控制在允许的范围内.     

D-STATCOM无功补偿装置的研究

目的分析电力系统中静止同步补偿器(D-STATCOM)进行无功补偿的意义及其与传统无功补偿装置的区别。方法通过对其工作原理的分析、电流间接控制方法的使用以及不平衡负载补偿方法原理的介绍,可看出D-STATCOM的补偿性能优于传统的无功补偿器。结果通过对文中提到的控制策略的分析比较,确定了采用双变量协调控制的控制方式来提高动态补偿效果,同时提出了对不平衡负载电流补偿的新方法,该方法可以节省装置的硬件资源。结论D-STATCOM补偿器对用户电力的电能质量动态补偿和静态补偿效果比较好。     

基于差异演化的粒子群优化算法

针对粒子群优化算法由于缺乏种群多样性而导致早熟收敛的不利因素.提出了一种把差异演化算法中的后代产生机制引入粒子群优化算法的更新规则中以保持粒子群的种群多样性和加快收敛速度的算法.这种思想能有效改善摆脱极值点的能力.基于几个高维测试函数的试验结果显示,该算法在收敛速度快和精度方面都优于粒子群优化算法.     

基于移动锚节点的粒子群优化定位算法

在无线传感器网络的一些应用环境中,无线信道损耗模型参数未知,无法直接基于RSSI测距定位。本文针对这类应用环境,研究并提出基于移动锚节点的粒子群优化定位算法,利用移动锚节点代替传统典型算法中的静态锚节点,并将节点定位问题抽象为非线性约束优化问题,利用粒子群优化技术求解定位。仿真、分析结果证明,该算法定位精度较高,对环境噪声变化具有较强的适应能力。     

基于速度变异的粒子群算法

为了改善粒子群优化算法在收敛后期极易陷入局部最优的缺陷,提出了在非线性惯性权重策略粒子群算法的前提下,对陷入局部极值区域的粒子进行位置变异,使得粒子能很好地跳出局部极值区域,并在迭代前期及后期采用不同速度变异策略使处于个体极值点的粒子改变速度,能够有效地提高算法的前期全局搜索能力和后期局部开挖能力。通过4个经典测试函数验证了该算法具有更好的优化性能。     

基于K均值的带变异粒子群聚类算法

针对K均值算法的搜索结果依赖于初始聚类中心以及粒子群算法早熟收敛的缺点,提出了一种基于K均值的带变异粒子群聚类算法.该算法通过粒子群算法来弥补K均值算法的不足,根据粒子的收敛情况判断K均值操作的时机,提高了搜索性能,并采用变异操作来跳出局部极值.分别用K均值算法、PSO-K均值算法和该算法对3种实际数据进行了聚类测试,...     

基于粒子群算法的多效益交叉口信号配时模型

城市交通的延误主要发生于交叉口,提高交叉口信号的运行效率对缓解交通拥堵具有重要作用。本文建立了基于车辆平均延误、停车次数和通行能力的多效益信号配时优化模型,并使用了粒子群算法进行编程求解。实际案例分析结果表明,模型求解出的优化配时方案降低了交叉口车均延误和停车次数,同时提高了交叉口的通行能力,综合改善了交叉口的多个指标,对提高交叉口的运行效率具有显著作用。     

无容量限制设施寻位问题的粒子群算法

利用粒子群算法求解无容量限制设施寻位问题,构造设施位置的粒子表达式,建立此问题的粒子群算法.并对12个基准测试题进行数值试验分析,结果表明粒子群算法可以快速、有效求得无容量限制设施寻位问题的优化解,是求解此问题的一个较好方案.     

求解奇异非线性方程组的粒子群优化算法

奇异非线性方程组是一类十分重要也比较困难的问题,基于粒子群优化算法提出了一种求解奇异非线性方程组的新方法.先把奇异非线性方程组转化为无约束优化问题,然后与人工智能算法相结合,利用标准粒子群优化算法求解.此算法不但不受方程组的连续性、光滑性的限制,而且避免了大量的求导计算,得到了极为精确的数值解.数值仿真结果显示了算法的有效性和可行性.该方法为求解奇异非线性方程组提供了一种有效、可行的新算法,也扩大了粒子群算法的应用领域.     

基于樽海鞘群与粒子群混合优化算法的特征选择

针对现有特征选择方法中存在的收敛速度慢和计算效率低等问题,提出了一种基于樽海鞘群与粒子群优化的混合优化(hybrid optimization of salp swarm algorithm and particle swarm optimization,HOSSPSO)特征选择方法,该方法在樽海鞘群算法(salp swarm algorithm,SSA)的基础上,引入粒子群优化(particle swarm optimization,PSO),提高了SSA的收敛速度,改进了探索和开发步骤的效率,增加了解空间更多的灵活性和多样性,使得方法能够迅速获得全局最优值.为了验证算法的性能,在2个实验序列上进行了测试:第一个实验序列使用基准函数,将HOSSPSO与标准SSA、PSO进行了比较;第二个实验序列采用不同的UCI数据集,通过提出的算法确定最佳特征集.实验结果表明,相比于其他优化算法,HOSSPSO的性能更具优势,在多项评估指标中获得较好的效果,能以极少量的特征获得最大的分类精度.     

一种新型的简化群优化粒子滤波算法

针对粒子滤波的粒子退化和贫化问题,将新兴的简化群优化(SSO)算法引入到粒子滤波的重采样阶段.SSO算法结构简单,在保留优良粒子的基础上,增加一项粒子随机运动过程,以提供粒子多样性.实验结果表明,新算法不仅有效提高了对非线性系统状态的估计精度,而且具有更高的运算速度.